@techreport{SemmerlingBoenisch2025, author = {Semmerling, Linnea and B{\"o}nisch, Dominik}, title = {Bericht zur Vorstudie: IMAI Intermediale Sammlungsforschung mit Artificial Intelligence 2024}, editor = {B{\"o}nisch, Dominik and Geiger, Christian and Semmerling, Linnea}, edition = {Version 2}, publisher = {Hochschule D{\"u}sseldorf}, address = {D{\"u}sseldorf}, doi = {10.20385/opus4-5273}, url = {http://nbn-resolving.de/urn:nbn:de:hbz:due62-opus-52739}, pages = {14}, year = {2025}, abstract = {Modelle der sogenannten K{\"u}nstlichen Intelligenz (KI) erm{\"o}glichen eine systematische Strukturierung von riesigen Datenmengen zum Zweck der Erkenntnisgewinnung aus bestehenden Informationen. Ein Verfahren wie das Maschinelle Lernen kann dabei unterst{\"u}tzen, einen neuen Blick auf vorhandenes Wissen in digitalen Archiven zu werfen. Diese lernf{\"a}higen Maschinen sollen im Projekt „IMAI - Intermediale Sammlungsforschung mit Artificial Intelligence" untersucht werden, um Archivar*innen sowie Kunst- und Medienhistoriker*innen bei der Sichtung des audiovisuellen Materials zu unterst{\"u}tzen und den Umgang mit Sammlungen zeitbasierter Medien effizienter sowie komfortabler zu machen. In einer ersten Projektphase (2024) sollten durch die Erprobung verf{\"u}gbarer Prototypen und durch die Sichtung des Videoarchivs des Inter Media Art Institute Anwendungsoptionen abgewogen werden. Die bislang genutzten Werkzeuge zur Erschließung von Archiven wurden dabei genauso betrachtet wie die Arbeitsweisen weiterer betroffener Anwender*innen. Der Bericht fasst die Erkenntnisse aus der Vorstudie zusammen}, subject = {Maschinelles Lernen}, language = {mul} } @techreport{SemmerlingBoenisch2025, author = {Semmerling, Linnea and B{\"o}nisch, Dominik}, title = {Bericht zur Vorstudie: IMAI Intermediale Sammlungsforschung mit Artificial Intelligence 2024}, editor = {B{\"o}nisch, Dominik and Geiger, Christian and Semmerling, Linnea}, edition = {Version 1}, publisher = {Hochschule D{\"u}sseldorf}, address = {D{\"u}sseldorf}, doi = {10.20385/opus4-4825}, url = {http://nbn-resolving.de/urn:nbn:de:hbz:due62-opus-48257}, pages = {14}, year = {2025}, abstract = {Modelle der sogenannten K{\"u}nstlichen Intelligenz (KI) erm{\"o}glichen eine systematische Strukturierung von riesigen Datenmengen zum Zweck der Erkenntnisgewinnung aus bestehenden Informationen. Ein Verfahren wie das Maschinelle Lernen kann dabei unterst{\"u}tzen, einen neuen Blick auf vorhandenes Wissen in digitalen Archiven zu werfen. Diese lernf{\"a}higen Maschinen sollen im Projekt „IMAI - Intermediale Sammlungsforschung mit Artificial Intelligence" untersucht werden, um Archivar*innen sowie Kunst- und Medienhistoriker*innen bei der Sichtung des audiovisuellen Materials zu unterst{\"u}tzen und den Umgang mit Sammlungen zeitbasierter Medien effizienter sowie komfortabler zu machen. In einer ersten Projektphase (2024) sollten durch die Erprobung verf{\"u}gbarer Prototypen und durch die Sichtung des Videoarchivs des Inter Media Art Institute Anwendungsoptionen abgewogen werden. Die bislang genutzten Werkzeuge zur Erschließung von Archiven wurden dabei genauso betrachtet wie die Arbeitsweisen weiterer betroffener Anwender*innen. Der Bericht fasst die Erkenntnisse aus der Vorstudie zusammen.}, subject = {Maschinelles Lernen}, language = {mul} }